از «طراحی مولد» تا «طراحی هم آفرین»: آیا هوش مصنوعی می تواند شهروند را از مخاطب برنامه ریزی به طراح شهر تبدیل کند؟
از «طراحی مولد» تا «طراحی هم آفرین»: آیا هوش مصنوعی می تواند شهروند را از مخاطب برنامه ریزی به طراح شهر تبدیل کند؟
مقدمه
هوش مصنوعی مولد در مدت کوتاهی از یک ابزار آزمایشی برای تولید تصویر و متن به یکی از فناوری های اثرگذار بر آینده برنامه ریزی و طراحی شهری تبدیل شده است. امروزه مدل های مولد می توانند در چند ثانیه، سناریوهای مختلفی برای یک میدان، خیابان، محله یا حتی ساختار شهری تولید کنند؛ سناریوهایی که پیش از این به ساعت ها یا روزها کار طراحی نیاز داشتند.
اما در این میان یک پرسش اساسی کمتر مورد توجه قرار گرفته است:
اگر AI بتواند شهر را طراحی کند، شهروند دقیقا چه نقشی خواهد داشت؟
این پرسش اهمیت زیادی دارد؛ زیرا برنامه ریزی شهری صرفا فرآیند تولید یک فرم زیبا، بهینه یا کارآمد نیست. شهر محصول تجربه های زیسته، نیازهای اجتماعی، خاطرات جمعی، تعارض منافع و ارزش های متفاوت گروه های انسانی است.
پژوهش بسیار تازه ای که در ۱ اکتبر ۲۰۲۶ در Sustainable Cities and Society منتشر شده، با مرور ۱۰۸ مطالعه درباره طراحی مولد شهری مبتنی بر AI نشان می دهد که ۷۷ درصد مطالعات هیچ مشارکت اجتماعی یا جامعه محوری در فرآیند طراحی نداشته اند. حتی در مطالعاتی که مشارکت وجود داشته، شهروندان عمدتا در مرحله ارزیابی و بازخورد پس از تولید طرح وارد شده اند، نه در تعریف مسئله و شکل دهی اولیه به آن.
این یافته می تواند یک هشدار جدی برای آینده برنامه ریزی شهری باشد:
ممکن است AI شهرها را سریع تر طراحی کند، اما اگر شهروندان در تعریف آنچه باید طراحی شود حضور نداشته باشند، صرفا سرعت تولید «طرح» افزایش یافته است، نه کیفیت «برنامه ریزی».
مسئله از کجا آغاز می شود؟
نسل نخست کاربردهای AI در برنامه ریزی شهری عمدتا بر افزایش توان متخصص متمرکز بود.
یعنی:
Planner + AI → Better Analysis
هوش مصنوعی داده های بیشتری را تحلیل می کرد، سناریوهای بیشتری می ساخت و محاسبات پیچیده را سریع تر انجام می داد.
مرحله بعدی به سمت:
Planner + AI → Generative Design
حرکت کرد.
در این مدل، AI می تواند چندین گزینه طراحی برای یک مسئله مشخص تولید کند.
اما اکنون مرحله سوم در حال شکل گیری است:
Citizen + Planner + AI → Co-Designed City
در اینجا AI دیگر فقط «طراح دستیار» نیست؛ بلکه به واسطه ای برای گفت وگوی میان شهروند، متخصص و فضای شهری تبدیل می شود.
این همان جایی است که مفهوم Generative Participatory Planning یا برنامه ریزی مشارکتی مولد اهمیت پیدا می کند.
تفاوت «طراحی با AI» و «طراحی با مشارکت AI»
فرض کنید شهرداری قصد بازطراحی یک میدان شهری را دارد.
در مدل سنتی:
کارشناس → تحلیل → طراحی → ارائه طرح → دریافت نظر مردم
در مدل Generative AI:
داده → AI → تولید چند طرح → انتخاب گزینه بهتر
اما در مدل پیشنهادی AI Co-Design:
شهروند → بیان نیاز → AI → تولید سناریو → گفت وگو → اصلاح → ارزیابی متخصص → بازتولید
در اینجا AI جای شهروند را نمی گیرد.
بلکه قدرت شهروند برای تصور و بیان آینده مکان را افزایش می دهد.
چرا تصویرسازی مولد می تواند مشارکت را تغییر دهد؟
یکی از بزرگ ترین مشکلات مشارکت سنتی این است که بسیاری از شهروندان نمی توانند ایده فضایی خود را به زبان فنی بیان کنند.
یک شهروند ممکن است بگوید:
«می خواهم این خیابان برای خانواده ها آرام تر و سبزتر باشد.»
اما تبدیل این خواسته به یک طرح فضایی نیازمند دانش تخصصی است.
AI مولد می تواند این فاصله را کاهش دهد.
شهروند می تواند ایده خود را به زبان ساده بیان کند و سیستم یک تصویر اولیه تولید کند.
سپس شهروند می تواند بگوید:
«درختان بیشتر.»
«فضای نشستن کمتر نباشد.»
«مسیر دوچرخه حذف نشود.»
«فضای بازی کودکان نزدیک تر باشد.»
و تصویر در همان جلسه تغییر کند.
پژوهش جدید Ruoppila و Anastasiou درباره پنج تجربه واقعی در فنلاند، کوزوو و امارات متحده عربی نشان می دهد که استفاده از تصویرسازی مولد در کارگاه های مشارکتی می تواند نحوه بیان، مذاکره و تصور آینده مکان توسط مشارکت کنندگان را تغییر دهد.
این تغییر بسیار مهم است.
زیرا مشارکت از:
Talking about the future
به:
Seeing and negotiating the future
تبدیل می شود.
اما یک مشکل جدی وجود دارد
تصویر تولیدشده توسط AI لزوما یک طرح خوب نیست.
ممکن است زیبا باشد، اما:
- از نظر اقتصادی غیرواقعی باشد؛
- ضوابط شهری را نقض کند؛
- دسترسی افراد کم توان را نادیده بگیرد؛
- ظرفیت زیرساخت را در نظر نگیرد؛
- با اقلیم منطقه سازگار نباشد؛
- یا حتی خواسته واقعی جامعه را تحریف کند.
بنابراین باید میان:
Visual Plausibility
و
Planning Validity
تفاوت قائل شد.
یک تصویر ممکن است بسیار جذاب باشد اما از نظر برنامه ریزی کاملا نامعتبر باشد.
به همین دلیل، پژوهش های جدید تاکید می کنند که GenAI هنوز در درک دقیق روابط فضایی، مقیاس، هندسه سه بعدی و قواعد پیچیده محدودیت دارد و نمی تواند به صورت مستقل جایگزین فرآیند حرفه ای طراحی شود.
خطر بزرگ تر: «مشارکت مصنوعی»
یکی از مهم ترین خطرهای آینده شاید چیزی باشد که بتوان آن را:
Synthetic Participation
یا مشارکت مصنوعی نامید.
تصور کنید شهرداری از یک مدل زبانی بخواهد:
«نظرات احتمالی شهروندان درباره ساخت یک پارک جدید را تولید کن.»
AI می تواند صدها نظر تولید کند.
اما این نظرات، نظر شهروندان واقعی نیستند.
این تفاوت بسیار مهم است.
AI می تواند:
نظرات را دسته بندی کند.
الگوها را استخراج کند.
سناریوها را شبیه سازی کند.
اما نباید به جای شهروندان صحبت کند.
زیرا در غیر این صورت، مشارکت از یک فرآیند دموکراتیک به یک فرآیند شبیه سازی شده تبدیل خواهد شد.
مطالعات جدید نیز نسبت به استفاده بیش از حد از گفت وگوهای مصنوعی و شبیه سازی نظرات ذی نفعان هشدار داده اند؛ زیرا این امر می تواند مشارکت واقعی را تضعیف کند.
از «Human-in-the-Loop» به «Citizen-in-the-Loop»
در بحث حکمرانی AI معمولا از مفهوم:
Human-in-the-Loop
صحبت می شود.
اما برای برنامه ریزی شهری، یک مفهوم تکمیلی ضروری است:
Citizen-in-the-Loop
یعنی شهروند نباید فقط در پایان فرآیند برای تایید یا رد یک طرح وارد شود.
بلکه باید بتواند در مراحل مختلف حضور داشته باشد:
Problem Definition
↓
Needs Identification
↓
Scenario Generation
↓
Design Evaluation
↓
Revision
↓
Decision
این تغییر بسیار مهم است.
زیرا مشارکت واقعی زمانی اتفاق می افتد که شهروند بتواند بر مسئله، معیار و گزینه ها اثر بگذارد، نه اینکه فقط بین چند تصویری که AI قبلا تولید کرده است یکی را انتخاب کند.
یک مدل جدید: AI Co-Design Loop
بر اساس روندهای جدید می توان یک چرخه پنج مرحله ای برای AI Co-Design پیشنهاد کرد:
۱. Citizen Voice
جمع آوری تجربه، نیاز، نگرانی و ایده شهروندان.
↓
۲. AI Translation
تبدیل زبان روزمره شهروندان به متغیرهای فضایی و طراحی.
↓
۳. Generative Scenarios
تولید چند سناریوی فضایی توسط AI.
↓
۴. Collective Evaluation
ارزیابی سناریوها توسط شهروندان، متخصصان و مدیران.
↓
۵. Iterative Co-Design
اصلاح و بازتولید طرح تا رسیدن به گزینه قابل قبول.
این چرخه باید تکرارشونده باشد، نه خطی.
یعنی شهروند فقط یک بار نظر ندهد.
بلکه بتواند اثر نظر خود را در نسخه بعدی طرح ببیند.
نقش جدید برنامه ریز شهری چیست؟
با گسترش AI، نقش برنامه ریز شهری حذف نمی شود؛ بلکه تغییر می کند.
برنامه ریز آینده کمتر صرفا:
Producer of Plans
خواهد بود و بیشتر به:
Mediator of Urban Intelligence
تبدیل خواهد شد.
یعنی کسی که میان:
- داده،
- الگوریتم،
- شهروند،
- محیط،
- قوانین،
- اقتصاد،
- و سیاست
ارتباط برقرار می کند.
برنامه ریز باید بتواند از AI سوال درست بپرسد، خروجی آن را نقد کند، سوگیری های آن را تشخیص دهد و بین گزینه های مختلف بر اساس ارزش های شهری داوری کند.
بنابراین آینده برنامه ریزی شهری نه AI versus Planner، بلکه:
AI + Planner + Citizen
است.
آیا AI می تواند مشارکت را واقعا فراگیرتر کند؟
پتانسیل آن بسیار بالاست.
گروه هایی که معمولا در فرآیندهای سنتی مشارکت کمتر حضور دارند—مانند کودکان، سالمندان یا افرادی با سواد فنی پایین—می توانند از طریق ابزارهای تصویری و تعاملی راحت تر ایده های خود را بیان کنند.
یک پژوهش جدید درباره مشارکت کودکان و سالمندان در طراحی زمین و زیرساخت سبز نیز دقیقا بر ظرفیت GenAI برای گسترش مشارکت به گروه هایی تاکید می کند که در فرآیندهای طراحی عمومی معمولا کمتر دیده می شوند.
اما این فرصت فقط زمانی به عدالت مشارکتی منجر می شود که دسترسی دیجیتال، سواد AI و کیفیت رابط کاربری نیز مورد توجه قرار گیرد.
در غیر این صورت:
AI ممکن است شکاف مشارکتی را کاهش دهد؛ یا برعکس، آن را عمیق تر کند.
از «Generative City» به «Responsive City»
در نهایت، این تحول می تواند معنای شهر هوشمند را نیز تغییر دهد.
شهر هوشمند سنتی تلاش می کرد:
شهر را بهتر اندازه گیری کند.
شهر مولد تلاش می کند:
گزینه های بیشتری برای آینده تولید کند.
اما شهر پاسخ گو باید بتواند:
به خواسته ها و تجربه های شهروندان واکنش نشان دهد.
بنابراین می توان یک مسیر مفهومی جدید ترسیم کرد:
Smart City
↓
AI-Enabled City
↓
Generative City
↓
Participatory Generative City
↓
Responsive Co-Designed City
در آخرین مرحله، شهر فقط توسط متخصصان یا الگوریتم ها طراحی نمی شود.
بلکه شهروندان، متخصصان و AI در یک فرآیند تکرارشونده، آینده مکان را با یکدیگر شکل می دهند.
جمع بندی
هوش مصنوعی مولد می تواند یکی از مهم ترین تغییرات تاریخ برنامه ریزی مشارکتی را ایجاد کند؛ زیرا برای نخستین بار می تواند فاصله میان «تصور یک مکان» و «دیدن یک مکان» را به شدت کاهش دهد.
اما این فناوری یک تناقض جدی نیز ایجاد می کند.
اگر AI فقط برای تولید سریع تر طرح ها استفاده شود، ممکن است برنامه ریزی را سریع تر اما نه لزوما دموکراتیک تر کند.
اگر AI برای شنیدن، ترجمه، تجسم، مذاکره و بازطراحی ایده های واقعی شهروندان استفاده شود، آنگاه می تواند مشارکت را وارد مرحله ای جدید کند.
بنابراین مسئله اصلی این نیست که:
Can AI design the city?
بلکه سوال مهم تر این است:
Can AI help citizens and planners co-design the city?
و شاید آینده برنامه ریزی شهری دقیقا در همین تفاوت نهفته باشد:
AI should not design the city for people; it should help people design the city together.
منابع
- Al Mamlouk, D., & Torabi Moghadam, S. (2026). Artificial intelligence for generative urban design: A systematic literature review and multi-dimensional framework using large language models. Sustainable Cities and Society, 149, 107864. https://doi.org/10.1016/j.scs.2026.107864
- Liu, C., Li, G., Huang, C., Herzog, O., Ritter, H., Ma, S., & Ye, Y. (2026). Generative AI for urban planning and design: Progress review and future perspectives. Engineering. https://doi.org/10.1016/j.eng.2026.03.001
- Quan, S. J. (2026). Artificial intelligence-aided and data-driven design (AIDD) for participatory urban design computation. Journal of Planning Education and Research. https://doi.org/10.1177/0739456X251403122
- Ruoppila, S., & Anastasiou, K. (2026). Participating with AI: How generative visualisations are changing participatory planning. Urban Research & Practice. https://doi.org/10.1080/17535069.2026.2730986
- Schmitt, G. (2026). Citizen design science – towards generative and responsive cities. EPJ Data Science, 15, 37. https://doi.org/10.1140/epjds/s13688-026-00626-5
- Türkoglu, F., & Bombeck, H. (2026). Generational visions of urban land and green infrastructure: An extreme case sampling approach to AI-driven participatory planning with children and seniors. Land, 15(7), 1260. https://doi.org/10.3390/land15071260
- Costa, D. G. (2026). The risks of GenAI in shaping our cities. Cities, 173, 107025. https://doi.org/10.1016/j.cities.2026.107025
